如需要完整文档点击下方 "点击下载文档" 按钮

复杂网络是近年来新兴的研究领域,社区发现是其应用方向之一.对于现实数据集进行聚类分析是数据挖掘的一个重要方法,但存在聚类分析效果不佳的情形. 此时若引入相关性度量,将数据集构建成复杂网络, 便可使用社区发现方法对其进行处理.现有文献大多针对算法进行改进, 对两种方法的划分结果进行比较的研究较少.本文选取了社团划分中的Louvain算法与聚类算法中的K均值聚类算法,首先对两种算法的理论进行比较, 接着利用心脏病、肾病患者数据构造复杂网络,比较了Louvain算法的社区划分结果与K均值聚类算法的聚类结果,在正确划分率的评价标准下,Louvain算法的社团划分结果优于K均值聚类算法的聚类结果.

如需要完整文档点击下方 "点击下载文档" 按钮

《Louvain算法与K均值聚类算法的比较研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：321899

点击下载文档